|
|
--- |
|
|
base_model: nlpai-lab/KURE-v1 |
|
|
library_name: sentence-transformers |
|
|
pipeline_tag: sentence-similarity |
|
|
tags: |
|
|
- sentence-transformers |
|
|
- sentence-similarity |
|
|
- feature-extraction |
|
|
- generated_from_trainer |
|
|
- dataset_size:68 |
|
|
- loss:MultipleNegativesRankingLoss |
|
|
widget: |
|
|
- source_sentence: 한동대학교에서 자퇴하려면 어떤 절차를 거쳐야 하나요? 보호자 동의도 필요한가요? |
|
|
sentences: |
|
|
- '제 52 조 (총학생회) |
|
|
|
|
|
건전한 학풍을 조성하고 학생자치활동을 신장시키기 위하여 한동대학교 총학생회(이하 "총학생회"라 한다)를 둔다. |
|
|
|
|
|
총학생회의 조직과 운영에 관한 사항은 총장의 승인을 얻어 학생회칙으로 따로 정한다. |
|
|
|
|
|
전시·사변 또는 이에 준하는 국가 비상사태시에는 그 활동이 정지된다.' |
|
|
- '제 27 조 (자퇴) |
|
|
|
|
|
자퇴코자 하는 자는 보증인이 연서한 사유서를 제출하여 총장의 허가를 받아야 한다.' |
|
|
- '제 27 조 (자퇴) |
|
|
|
|
|
자퇴코자 하는 자는 보증인이 연서한 사유서를 제출하여 총장의 허가를 받아야 한다.' |
|
|
- '제목: 한동대학교 학칙 |
|
|
|
|
|
소관부서: 교무팀 1073, 1074 |
|
|
|
|
|
학교웹페이지: https://rule.handong.edu' |
|
|
- source_sentence: 한동대학교에서는 한 학기에 최대 몇 학점까지 들을 수 있나요? |
|
|
sentences: |
|
|
- '제목: 한동대학교 학칙 |
|
|
|
|
|
소관부서: 교무팀 1073, 1074 |
|
|
|
|
|
학교웹페이지: https://rule.handong.edu' |
|
|
- '제 35 조 (학기당 취득학점) |
|
|
|
|
|
매 학기 취득 기준학점은 학사운영규정으로 따로 정한다.' |
|
|
- '제 1 조 (목적) |
|
|
|
|
|
이 학칙은 한동대학교(이하 "이 대학교"라 한다) 교훈의 실천과 교육이념, 교육목적 및 교육목표를 달성하기 위한 교육조직, 학사운영 등에 관한 |
|
|
사항을 규정함을 목적으로 한다.' |
|
|
- '제 52 조 (총학생회) |
|
|
|
|
|
건전한 학풍을 조성하고 학생자치활동을 신장시키기 위하여 한동대학교 총학생회(이하 "총학생회"라 한다)를 둔다. |
|
|
|
|
|
총학생회의 조직과 운영에 관한 사항은 총장의 승인을 얻어 학생회칙으로 따로 정한다. |
|
|
|
|
|
전시·사변 또는 이에 준하는 국가 비상사태시에는 그 활동이 정지된다.' |
|
|
- source_sentence: 한동대학교 교무회의는 어떻게 소집되며, 누가 의장을 맡나요? |
|
|
sentences: |
|
|
- '제목: 한동대학교 학칙 |
|
|
|
|
|
소관부서: 교무팀 1073, 1074 |
|
|
|
|
|
학교웹페이지: https://rule.handong.edu' |
|
|
- '제 1 조 (목적) |
|
|
|
|
|
이 학칙은 한동대학교(이하 "이 대학교"라 한다) 교훈의 실천과 교육이념, 교육목적 및 교육목표를 달성하기 위한 교육조직, 학사운영 등에 관한 |
|
|
사항을 규정함을 목적으로 한다.' |
|
|
- '제 75 조 (소집) |
|
|
|
|
|
교무회의는 총장이 소집하고 그 의장이 된다.' |
|
|
- '제 52 조 (총학생회) |
|
|
|
|
|
건전한 학풍을 조성하고 학생자치활동을 신장시키기 위하여 한동대학교 총학생회(이하 "총학생회"라 한다)를 둔다. |
|
|
|
|
|
총학생회의 조직과 운영에 관한 사항은 총장의 승인을 얻어 학생회칙으로 따로 정한다. |
|
|
|
|
|
전시·사변 또는 이에 준하는 국가 비상사태시에는 그 활동이 정지된다.' |
|
|
- source_sentence: 한동대학교에 편입학하려면 어떤 자격이 필요한가요? 예전에 다닌 학교 학점도 인정되나요? |
|
|
sentences: |
|
|
- "제 19 조 (편입학)\n입학전형은 당해연도 교육부의 대학 편입학 전형 기본계획과 이 대학교 모집요강에 따라 선발한다.\n편입학은 편입학\ |
|
|
\ 하고자 하는 학년의 직전 학기까지의 과정을 수료한 자 또는 이와 동등이상의 학력이 있다고 인정된 자로서 모집단위 별 1학년 또는 2학년\ |
|
|
\ 학생 중 직전 학기 및 직전 학년도에 제적된 인원을 소정의 절차를 거쳐 모집할 수 있다.\n다만, 법령이 정하는 경우는 정원의 제한 없이\ |
|
|
\ 정원외 편입학을 허가할 수 있다.\n학사학위를 취득한 자는 3학년에 편입학할 수 있다.\n다만, 편입학할 수 있는 인원은 당해 학년 입학정원의\ |
|
|
\ 5퍼센트 이내이어야 하고, 당해 학년 모집단위별 입학정원의 10퍼센트를 초과할 수 없다.\n제출 서류의 허위기재, 서류의 위조, 변조,\ |
|
|
\ 대리시험 또는 시험부정행위 등 편입학 부정행위가 편입학허가 전에 그 사실이 판명된 때에는 불합격처리 하고 편입학 허가 후에 사실이 판명된\ |
|
|
\ 때에도 편입학을 취소하고 학적을 말소한다. \n편입학한 학생이 전적학교에서 취득한 학점은 졸업 학점의 2분의 1 범위내에서 이 대학교 학점으로\ |
|
|
\ 인정할 수 있다." |
|
|
- "제 19 조 (편입학)\n입학전형은 당해연도 교육부의 대학 편입학 전형 기본계획과 이 대학교 모집요강에 따라 선발한다.\n편입학은 편입학\ |
|
|
\ 하고자 하는 학년의 직전 학기까지의 과정을 수료한 자 또는 이와 동등이상의 학력이 있다고 인정된 자로서 모집단위 별 1학년 또는 2학년\ |
|
|
\ 학생 중 직전 학기 및 직전 학년도에 제적된 인원을 소정의 절차를 거쳐 모집할 수 있다.\n다만, 법령이 정하는 경우는 정원의 제한 없이\ |
|
|
\ 정원외 편입학을 허가할 수 있다.\n학사학위를 취득한 자는 3학년에 편입학할 수 있다.\n다만, 편입학할 수 있는 인원은 당해 학년 입학정원의\ |
|
|
\ 5퍼센트 이내이어야 하고, 당해 학년 모집단위별 입학정원의 10퍼센트를 초과할 수 없다.\n제출 서류의 허위기재, 서류의 위조, 변조,\ |
|
|
\ 대리시험 또는 시험부정행위 등 편입학 부정행위가 편입학허가 전에 그 사실이 판명된 때에는 불합격처리 하고 편입학 허가 후에 사실이 판명된\ |
|
|
\ 때에도 편입학을 취소하고 학적을 말소한다. \n편입학한 학생이 전적학교에서 취득한 학점은 졸업 학점의 2분의 1 범위내에서 이 대학교 학점으로\ |
|
|
\ 인정할 수 있다." |
|
|
- '제 1 조 (목적) |
|
|
|
|
|
이 학칙은 한동대학교(이하 "이 대학교"라 한다) 교훈의 실천과 교육이념, 교육목적 및 교육목표를 달성하기 위한 교육조직, 학사운영 등에 관한 |
|
|
사항을 규정함을 목적으로 한다.' |
|
|
- '제목: 한동대학교 학칙 |
|
|
|
|
|
소관부서: 교무팀 1073, 1074 |
|
|
|
|
|
학교웹페이지: https://rule.handong.edu' |
|
|
- source_sentence: 한동대학교 교수회는 어떤 사항들을 심의하나요? |
|
|
sentences: |
|
|
- '제 68 조 (기능) |
|
|
|
|
|
학사에 관한 중요사항 등을 심의하기 위하여 교수회를 둔다.' |
|
|
- '제 52 조 (총학생회) |
|
|
|
|
|
건전한 학풍을 조성하고 학생자치활동을 신장시키기 위하여 한동대학교 총학생회(이하 "총학생회"라 한다)를 둔다. |
|
|
|
|
|
총학생회의 조직과 운영에 관한 사항은 총장의 승인을 얻어 학생회칙으로 따로 정한다. |
|
|
|
|
|
전시·사변 또는 이에 준하는 국가 비상사태시에는 그 활동이 정지된다.' |
|
|
- '제 71 조 (심의사항) |
|
|
|
|
|
교수회는 특별한 규정이 없는한 다음 사항을 심의한다. |
|
|
|
|
|
입학에 관한 사항. |
|
|
|
|
|
수업 및 연구에 관한 사항. |
|
|
|
|
|
교과과정에 관한 사항. |
|
|
|
|
|
학생의 지도 및 징계에 관한 사항. |
|
|
|
|
|
장학 및 후생에 관한 사항. |
|
|
|
|
|
졸업 및 수료에 관한 사항. |
|
|
|
|
|
기타 대학운영에 관한 중요한 사항.' |
|
|
- '제 71 조 (심의사항) |
|
|
|
|
|
교수회는 특별한 규정이 없는한 다음 사항을 심의한다. |
|
|
|
|
|
입학에 관한 사항. |
|
|
|
|
|
수업 및 연구에 관한 사항. |
|
|
|
|
|
교과과정에 관한 사항. |
|
|
|
|
|
학생의 지도 및 징계에 관한 사항. |
|
|
|
|
|
장학 및 후생에 관한 사항. |
|
|
|
|
|
졸업 및 수료에 관한 사항. |
|
|
|
|
|
기타 대학운영에 관한 중요한 사항.' |
|
|
--- |
|
|
|
|
|
# SentenceTransformer based on nlpai-lab/KURE-v1 |
|
|
|
|
|
This is a [sentence-transformers](https://www.SBERT.net) model finetuned from [nlpai-lab/KURE-v1](https://huggingface.co/nlpai-lab/KURE-v1). It maps sentences & paragraphs to a 1024-dimensional dense vector space and can be used for semantic textual similarity, semantic search, paraphrase mining, text classification, clustering, and more. |
|
|
|
|
|
## Model Details |
|
|
|
|
|
### Model Description |
|
|
- **Model Type:** Sentence Transformer |
|
|
- **Base model:** [nlpai-lab/KURE-v1](https://huggingface.co/nlpai-lab/KURE-v1) <!-- at revision d14c8a9423946e268a0c9952fecf3a7aabd73bd9 --> |
|
|
- **Maximum Sequence Length:** 256 tokens |
|
|
- **Output Dimensionality:** 1024 dimensions |
|
|
- **Similarity Function:** Cosine Similarity |
|
|
<!-- - **Training Dataset:** Unknown --> |
|
|
<!-- - **Language:** Unknown --> |
|
|
<!-- - **License:** Unknown --> |
|
|
|
|
|
### Model Sources |
|
|
|
|
|
- **Documentation:** [Sentence Transformers Documentation](https://sbert.net) |
|
|
- **Repository:** [Sentence Transformers on GitHub](https://github.com/UKPLab/sentence-transformers) |
|
|
- **Hugging Face:** [Sentence Transformers on Hugging Face](https://huggingface.co/models?library=sentence-transformers) |
|
|
|
|
|
### Full Model Architecture |
|
|
|
|
|
``` |
|
|
SentenceTransformer( |
|
|
(0): Transformer({'max_seq_length': 256, 'do_lower_case': False}) with Transformer model: XLMRobertaModel |
|
|
(1): Pooling({'word_embedding_dimension': 1024, 'pooling_mode_cls_token': True, 'pooling_mode_mean_tokens': False, 'pooling_mode_max_tokens': False, 'pooling_mode_mean_sqrt_len_tokens': False, 'pooling_mode_weightedmean_tokens': False, 'pooling_mode_lasttoken': False, 'include_prompt': True}) |
|
|
(2): Normalize() |
|
|
) |
|
|
``` |
|
|
|
|
|
## Usage |
|
|
|
|
|
### Direct Usage (Sentence Transformers) |
|
|
|
|
|
First install the Sentence Transformers library: |
|
|
|
|
|
```bash |
|
|
pip install -U sentence-transformers |
|
|
``` |
|
|
|
|
|
Then you can load this model and run inference. |
|
|
```python |
|
|
from sentence_transformers import SentenceTransformer |
|
|
|
|
|
# Download from the 🤗 Hub |
|
|
model = SentenceTransformer("sentence_transformers_model_id") |
|
|
# Run inference |
|
|
sentences = [ |
|
|
'한동대학교 교수회는 어떤 사항들을 심의하나요?', |
|
|
'제 71 조 (심의사항)\n교수회는 특별한 규정이 없는한 다음 사항을 심의한다.\n입학에 관한 사항.\n수업 및 연구에 관한 사항.\n교과과정에 관한 사항.\n학생의 지도 및 징계에 관한 사항.\n장학 및 후생에 관한 사항.\n졸업 및 수료에 관한 사항.\n기타 대학운영에 관한 중요한 사항.', |
|
|
'제 52 조 (총학생회)\n건전한 학풍을 조성하고 학생자치활동을 신장시키기 위하여 한동대학교 총학생회(이하 "총학생회"라 한다)를 둔다.\n총학생회의 조직과 운영에 관한 사항은 총장의 승인을 얻어 학생회칙으로 따로 정한다.\n전시·사변 또는 이에 준하는 국가 비상사태시에는 그 활동이 정지된다.', |
|
|
] |
|
|
embeddings = model.encode(sentences) |
|
|
print(embeddings.shape) |
|
|
# [3, 1024] |
|
|
|
|
|
# Get the similarity scores for the embeddings |
|
|
similarities = model.similarity(embeddings, embeddings) |
|
|
print(similarities.shape) |
|
|
# [3, 3] |
|
|
``` |
|
|
|
|
|
<!-- |
|
|
### Direct Usage (Transformers) |
|
|
|
|
|
<details><summary>Click to see the direct usage in Transformers</summary> |
|
|
|
|
|
</details> |
|
|
--> |
|
|
|
|
|
<!-- |
|
|
### Downstream Usage (Sentence Transformers) |
|
|
|
|
|
You can finetune this model on your own dataset. |
|
|
|
|
|
<details><summary>Click to expand</summary> |
|
|
|
|
|
</details> |
|
|
--> |
|
|
|
|
|
<!-- |
|
|
### Out-of-Scope Use |
|
|
|
|
|
*List how the model may foreseeably be misused and address what users ought not to do with the model.* |
|
|
--> |
|
|
|
|
|
<!-- |
|
|
## Bias, Risks and Limitations |
|
|
|
|
|
*What are the known or foreseeable issues stemming from this model? You could also flag here known failure cases or weaknesses of the model.* |
|
|
--> |
|
|
|
|
|
<!-- |
|
|
### Recommendations |
|
|
|
|
|
*What are recommendations with respect to the foreseeable issues? For example, filtering explicit content.* |
|
|
--> |
|
|
|
|
|
## Training Details |
|
|
|
|
|
### Training Dataset |
|
|
|
|
|
#### Unnamed Dataset |
|
|
|
|
|
|
|
|
* Size: 68 training samples |
|
|
* Columns: <code>sentence_0</code>, <code>sentence_1</code>, <code>sentence_2</code>, <code>sentence_3</code>, and <code>sentence_4</code> |
|
|
* Approximate statistics based on the first 68 samples: |
|
|
| | sentence_0 | sentence_1 | sentence_2 | sentence_3 | sentence_4 | |
|
|
|:--------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:-----------------------------------------------------------------------------------|:------------------------------------------------------------------------------------|:------------------------------------------------------------------------------------| |
|
|
| type | string | string | string | string | string | |
|
|
| details | <ul><li>min: 12 tokens</li><li>mean: 25.01 tokens</li><li>max: 43 tokens</li></ul> | <ul><li>min: 18 tokens</li><li>mean: 102.0 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 25 tokens</li><li>mean: 78.9 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 34 tokens</li><li>mean: 69.72 tokens</li><li>max: 256 tokens</li></ul> | <ul><li>min: 25 tokens</li><li>mean: 83.62 tokens</li><li>max: 256 tokens</li></ul> | |
|
|
* Samples: |
|
|
| sentence_0 | sentence_1 | sentence_2 | sentence_3 | sentence_4 | |
|
|
|:------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|:--------------------------------------------------------------------------------------|:----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| |
|
|
| <code>한동대학교에서 학생 간행물 발간과 관련된 규정은 어떻게 되나요?</code> | <code>제 58 조 (간행물)<br>학생의 간행물 발간, 배포 및 게시에 관한 사항은 총장이 따로 정한다.</code> | <code>제 52 조 (총학생회)<br>건전한 학풍을 조성하고 학생자치활동을 신장시키기 위하여 한동대학교 총학생회(이하 "총학생회"라 한다)를 둔다.<br>총학생회의 조직과 운영에 관한 사항은 총장의 승인을 얻어 학생회칙으로 따로 정한다.<br>전시·사변 또는 이에 준하는 국가 비상사태시에는 그 활동이 정지된다.</code> | <code>제목: 한동대학교 학칙<br>소관부서: 교무팀 1073, 1074<br>학교웹페이지: https://rule.handong.edu</code> | <code>제 58 조 (간행물)<br>학생의 간행물 발간, 배포 및 게시에 관한 사항은 총장이 따로 정한다.</code> | |
|
|
| <code>한동대학교에서는 복수전공이나 전공심화, 학생설계 전공도 가능한가요? 각각 몇 학점 이상 이수해야 하나요?</code> | <code>제 38 조 (전공 등)<br>학생은 복수(연계)전공으로 1전공 33학점 이상, 2전공 33학점 이상 이수함을 원칙으로 한다.<br>다만, 전공심화 교육을 위하여 복수 전공(심화형)(45학점+33학점), 주전공 부전공( 45학점+21학점), 단수 심화 전공 (60학점 이상)을 허용할 수 있다.<br>복수(연계)전공, 복수 전공(심화형), 주전공 부전공, 단수 심화 전공 허용 및 전공운영 기준은 총장이 따로 정한다.<br>학생설계융합전공과 글로벌융합전공은 학제적 교과과정을 학생 스스로 구성하여 승인 받은 전공을 이수하는 것으로, 취득학점은 당해 학과(부)의 전공 이수학점 이상이어야 하며, 기타 시행에 필요한 사항은 총장이 따로 정한다.<br>모듈형설계전공은 복수의 모듈 교육과정을 선택하여 이수하는 전공 교육과정으로 기타 시행에 필요한 사항은 총장이 따로 정한다.<br>총장은 학생이 이수한 모듈 교육과정과 전공과목 및 융복합 영역의 특정분야에 특화 되어 있다고 인정할 경우 학적부, 졸업증명서, 성적증명서에이수모듈명과 특화분야를 표기할 수 있으며 또한 별도의 증명서를 발급할 수 있다.<br>전공 및 융복합 영역의 특화분야의 운영에 관한 세부사항은 총장이 따로 정한다.</code> | <code>제 38 조 (전공 등)<br>학생은 복수(연계)전공으로 1전공 33학점 이상, 2전공 33학점 이상 이수함을 원칙으로 한다.<br>다만, 전공심화 교육을 위하여 복수 전공(심화형)(45학점+33학점), 주전공 부전공( 45학점+21학점), 단수 심화 전공 (60학점 이상)을 허용할 수 있다.<br>복수(연계)전공, 복수 전공(심화형), 주전공 부전공, 단수 심화 전공 허용 및 전공운영 기준은 총장이 따로 정한다.<br>학생설계융합전공과 글로벌융합전공은 학제적 교과과정을 학생 스스로 구성하여 승인 받은 전공을 이수하는 것으로, 취득학점은 당해 학과(부)의 전공 이수학점 이상이어야 하며, 기타 시행에 필요한 사항은 총장이 따로 정한다.<br>모듈형설계전공은 복수의 모듈 교육과정을 선택하여 이수하는 전공 교육과정으로 기타 시행에 필요한 사항은 총장이 따로 정한다.<br>총장은 학생이 이수한 모듈 교육과정과 전공과목 및 융복합 영역의 특정분야에 특화 되어 있다고 인정할 경우 학적부, 졸업증명서, 성적증명서에이수모듈명과 특화분야를 표기할 수 있으며 또한 별도의 증명서를 발급할 수 있다.<br>전공 및 융복합 영역의 특화분야의 운영에 관한 세부사항은 총장이 따로 정한다.</code> | <code>제목: 한동대학교 학칙<br>소관부서: 교무팀 1073, 1074<br>학교웹페이지: https://rule.handong.edu</code> | <code>제 52 조 (총학생회)<br>건전한 학풍을 조성하고 학생자치활동을 신장시키기 위하여 한동대학교 총학생회(이하 "총학생회"라 한다)를 둔다.<br>총학생회의 조직과 운영에 관한 사항은 총장의 승인을 얻어 학생회칙으로 따로 정한다.<br>전시·사변 또는 이에 준하는 국가 비상사태시에는 그 활동이 정지된다.</code> | |
|
|
| <code>한동대학교에서 총학생회 외의 학생단체를 만들려면 어떤 절차를 거쳐야 하나요?</code> | <code>제 57 조 (학생단체의 승인)<br>총학생회 이외의 학생단체를 조직하고자 할 때에는 학생지도위원회의 승인을 받아야 한다.</code> | <code>제 52 조 (총학생회)<br>건전한 학풍을 조성하고 학생자치활동을 신장시키기 위하여 한동대학교 총학생회(이하 "총학생회"라 한다)를 둔다.<br>총학생회의 조직과 운영에 관한 사항은 총장의 승인을 얻어 학생회칙으로 따로 정한다.<br>전시·사변 또는 이에 준하는 국가 비상사태시에는 그 활동이 정지된다.</code> | <code>제 57 조 (학생단체의 승인)<br>총학생회 이외의 학생단체를 조직하고자 할 때에는 학생지도위원회의 승인을 받아야 한다.</code> | <code>제목: 한동대학교 학칙<br>소관부서: 교무팀 1073, 1074<br>학교웹페이지: https://rule.handong.edu</code> | |
|
|
* Loss: [<code>MultipleNegativesRankingLoss</code>](https://sbert.net/docs/package_reference/sentence_transformer/losses.html#multiplenegativesrankingloss) with these parameters: |
|
|
```json |
|
|
{ |
|
|
"scale": 20.0, |
|
|
"similarity_fct": "cos_sim" |
|
|
} |
|
|
``` |
|
|
|
|
|
### Training Hyperparameters |
|
|
#### Non-Default Hyperparameters |
|
|
|
|
|
- `eval_strategy`: steps |
|
|
- `per_device_train_batch_size`: 1 |
|
|
- `per_device_eval_batch_size`: 1 |
|
|
- `num_train_epochs`: 7 |
|
|
- `fp16`: True |
|
|
- `multi_dataset_batch_sampler`: round_robin |
|
|
|
|
|
#### All Hyperparameters |
|
|
<details><summary>Click to expand</summary> |
|
|
|
|
|
- `overwrite_output_dir`: False |
|
|
- `do_predict`: False |
|
|
- `eval_strategy`: steps |
|
|
- `prediction_loss_only`: True |
|
|
- `per_device_train_batch_size`: 1 |
|
|
- `per_device_eval_batch_size`: 1 |
|
|
- `per_gpu_train_batch_size`: None |
|
|
- `per_gpu_eval_batch_size`: None |
|
|
- `gradient_accumulation_steps`: 1 |
|
|
- `eval_accumulation_steps`: None |
|
|
- `torch_empty_cache_steps`: None |
|
|
- `learning_rate`: 5e-05 |
|
|
- `weight_decay`: 0.0 |
|
|
- `adam_beta1`: 0.9 |
|
|
- `adam_beta2`: 0.999 |
|
|
- `adam_epsilon`: 1e-08 |
|
|
- `max_grad_norm`: 1 |
|
|
- `num_train_epochs`: 7 |
|
|
- `max_steps`: -1 |
|
|
- `lr_scheduler_type`: linear |
|
|
- `lr_scheduler_kwargs`: {} |
|
|
- `warmup_ratio`: 0.0 |
|
|
- `warmup_steps`: 0 |
|
|
- `log_level`: passive |
|
|
- `log_level_replica`: warning |
|
|
- `log_on_each_node`: True |
|
|
- `logging_nan_inf_filter`: True |
|
|
- `save_safetensors`: True |
|
|
- `save_on_each_node`: False |
|
|
- `save_only_model`: False |
|
|
- `restore_callback_states_from_checkpoint`: False |
|
|
- `no_cuda`: False |
|
|
- `use_cpu`: False |
|
|
- `use_mps_device`: False |
|
|
- `seed`: 42 |
|
|
- `data_seed`: None |
|
|
- `jit_mode_eval`: False |
|
|
- `use_ipex`: False |
|
|
- `bf16`: False |
|
|
- `fp16`: True |
|
|
- `fp16_opt_level`: O1 |
|
|
- `half_precision_backend`: auto |
|
|
- `bf16_full_eval`: False |
|
|
- `fp16_full_eval`: False |
|
|
- `tf32`: None |
|
|
- `local_rank`: 0 |
|
|
- `ddp_backend`: None |
|
|
- `tpu_num_cores`: None |
|
|
- `tpu_metrics_debug`: False |
|
|
- `debug`: [] |
|
|
- `dataloader_drop_last`: False |
|
|
- `dataloader_num_workers`: 0 |
|
|
- `dataloader_prefetch_factor`: None |
|
|
- `past_index`: -1 |
|
|
- `disable_tqdm`: False |
|
|
- `remove_unused_columns`: True |
|
|
- `label_names`: None |
|
|
- `load_best_model_at_end`: False |
|
|
- `ignore_data_skip`: False |
|
|
- `fsdp`: [] |
|
|
- `fsdp_min_num_params`: 0 |
|
|
- `fsdp_config`: {'min_num_params': 0, 'xla': False, 'xla_fsdp_v2': False, 'xla_fsdp_grad_ckpt': False} |
|
|
- `fsdp_transformer_layer_cls_to_wrap`: None |
|
|
- `accelerator_config`: {'split_batches': False, 'dispatch_batches': None, 'even_batches': True, 'use_seedable_sampler': True, 'non_blocking': False, 'gradient_accumulation_kwargs': None} |
|
|
- `deepspeed`: None |
|
|
- `label_smoothing_factor`: 0.0 |
|
|
- `optim`: adamw_torch |
|
|
- `optim_args`: None |
|
|
- `adafactor`: False |
|
|
- `group_by_length`: False |
|
|
- `length_column_name`: length |
|
|
- `ddp_find_unused_parameters`: None |
|
|
- `ddp_bucket_cap_mb`: None |
|
|
- `ddp_broadcast_buffers`: False |
|
|
- `dataloader_pin_memory`: True |
|
|
- `dataloader_persistent_workers`: False |
|
|
- `skip_memory_metrics`: True |
|
|
- `use_legacy_prediction_loop`: False |
|
|
- `push_to_hub`: False |
|
|
- `resume_from_checkpoint`: None |
|
|
- `hub_model_id`: None |
|
|
- `hub_strategy`: every_save |
|
|
- `hub_private_repo`: False |
|
|
- `hub_always_push`: False |
|
|
- `gradient_checkpointing`: False |
|
|
- `gradient_checkpointing_kwargs`: None |
|
|
- `include_inputs_for_metrics`: False |
|
|
- `include_for_metrics`: [] |
|
|
- `eval_do_concat_batches`: True |
|
|
- `fp16_backend`: auto |
|
|
- `push_to_hub_model_id`: None |
|
|
- `push_to_hub_organization`: None |
|
|
- `mp_parameters`: |
|
|
- `auto_find_batch_size`: False |
|
|
- `full_determinism`: False |
|
|
- `torchdynamo`: None |
|
|
- `ray_scope`: last |
|
|
- `ddp_timeout`: 1800 |
|
|
- `torch_compile`: False |
|
|
- `torch_compile_backend`: None |
|
|
- `torch_compile_mode`: None |
|
|
- `dispatch_batches`: None |
|
|
- `split_batches`: None |
|
|
- `include_tokens_per_second`: False |
|
|
- `include_num_input_tokens_seen`: False |
|
|
- `neftune_noise_alpha`: None |
|
|
- `optim_target_modules`: None |
|
|
- `batch_eval_metrics`: False |
|
|
- `eval_on_start`: False |
|
|
- `use_liger_kernel`: False |
|
|
- `eval_use_gather_object`: False |
|
|
- `average_tokens_across_devices`: False |
|
|
- `prompts`: None |
|
|
- `batch_sampler`: batch_sampler |
|
|
- `multi_dataset_batch_sampler`: round_robin |
|
|
|
|
|
</details> |
|
|
|
|
|
### Training Logs |
|
|
| Epoch | Step | |
|
|
|:------:|:----:| |
|
|
| 0.5882 | 20 | |
|
|
|
|
|
|
|
|
### Framework Versions |
|
|
- Python: 3.10.13 |
|
|
- Sentence Transformers: 3.3.1 |
|
|
- Transformers: 4.46.2 |
|
|
- PyTorch: 2.0.1+cu118 |
|
|
- Accelerate: 0.34.2 |
|
|
- Datasets: 3.0.0 |
|
|
- Tokenizers: 0.20.1 |
|
|
|
|
|
## Citation |
|
|
|
|
|
### BibTeX |
|
|
|
|
|
#### Sentence Transformers |
|
|
```bibtex |
|
|
@inproceedings{reimers-2019-sentence-bert, |
|
|
title = "Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks", |
|
|
author = "Reimers, Nils and Gurevych, Iryna", |
|
|
booktitle = "Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing", |
|
|
month = "11", |
|
|
year = "2019", |
|
|
publisher = "Association for Computational Linguistics", |
|
|
url = "https://arxiv.org/abs/1908.10084", |
|
|
} |
|
|
``` |
|
|
|
|
|
#### MultipleNegativesRankingLoss |
|
|
```bibtex |
|
|
@misc{henderson2017efficient, |
|
|
title={Efficient Natural Language Response Suggestion for Smart Reply}, |
|
|
author={Matthew Henderson and Rami Al-Rfou and Brian Strope and Yun-hsuan Sung and Laszlo Lukacs and Ruiqi Guo and Sanjiv Kumar and Balint Miklos and Ray Kurzweil}, |
|
|
year={2017}, |
|
|
eprint={1705.00652}, |
|
|
archivePrefix={arXiv}, |
|
|
primaryClass={cs.CL} |
|
|
} |
|
|
``` |
|
|
|
|
|
<!-- |
|
|
## Glossary |
|
|
|
|
|
*Clearly define terms in order to be accessible across audiences.* |
|
|
--> |
|
|
|
|
|
<!-- |
|
|
## Model Card Authors |
|
|
|
|
|
*Lists the people who create the model card, providing recognition and accountability for the detailed work that goes into its construction.* |
|
|
--> |
|
|
|
|
|
<!-- |
|
|
## Model Card Contact |
|
|
|
|
|
*Provides a way for people who have updates to the Model Card, suggestions, or questions, to contact the Model Card authors.* |
|
|
--> |
